继续请教问题:关于 Pytorch 的 Autograd

雷达

为预防老年痴呆，时不时学点新东东玩一玩。
Pytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
8 B: Z5 N" [, a( Q5 himport torch
import numpy as np
import matplotlib.pyplot as plt
: A$ p- J; _  J0 E+ k5 y1 vimport random
4 G  \' {, ?3 }7 ~; `9 E4 ^3 t; Q
x = torch.tensor(np.arange(1,100,1))
y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15

w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
b = torch.tensor(0.,requires_grad=True)
6 w/ V/ P( |' s8 J$ O
epochs = 100

* ?1 I) p! e, ]losses = []
% e* B% a0 G9 p  f/ Zfor i in range(epochs):
2 O$ }, x: q8 I$ V  o8 ~  y_pred = (x*w+b)    # 预测
. {! b: K6 I+ E/ J0 [: g' A+ n2 b  y_pred.reshape(-1)

  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
9 }' b5 C% ~9 _2 ^4 ?: U+ R: Z, ~  with torch.no_grad():
- Q) x4 A/ ~0 z8 Q' [/ Y    w  -= w.grad*0.0001   # 回归 w
8 l8 T% d# g5 d: b: ^" j    b  -= b.grad*0.0001    # 回归 b
  w.grad.zero_()  
  b.grad.zero_()
" u& o$ Q% `* K) u% D
8 o, }) O9 N* e( \4 Xprint(w.item(),b.item()) #结果
5 Y& q. c& I% v8 G( ?
! ]9 b2 r+ W; T: K+ t' E# H: uOutput： 27.26387596130371  0.4974517822265625
( L# y- L, g4 i2 C( N" {----------------------------------------------
最后的结果，w可以回到 w0 = 27 附近，b却回不去 b0=15。两处红字，损失函数是矢量计算后的均值，感觉 b 的回归表达有问题。
高手们帮看看是神马原因？

老福

没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
-------
$ `+ c# L+ h% v不好意思，再看一遍，好像你在自算回归而不是用现成的工具直接出结果，上面的评论只有一点用，就是确认是不是算法有问题。
+ ^) B0 K* }( d' D-------
算法诊断部分，建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够，因为你起点是0, 步长很小。只是直观建议。

雷达

老福 发表于 2023-2-14 19:23
没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
; I3 E$ P; k) t# _- U3 T-------
不好意思， ...

4 h/ Z% x( `3 j谢谢，算法应该没问题，就是最简单的线性回归。
3 G- a) ?9 Z& s, M% a5 H" V我特意没有用现成的工具，就是想从最基本的地方深入理解一下。

老福

9 j7 W+ L) l/ e

雷达 发表于 2023-2-14 21:52
4 n9 _3 L+ H2 T- l/ r谢谢，算法应该没问题，就是最简单的线性回归。
: _( [. C( z6 x3 B  ^- _  g$ i我特意没有用现成的工具，就是想从最基本的地方深入理解 ...

刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。

或者把b但的起点改为1试试。

雷达

4 |8 N8 ^/ g# a" V: Q! |+ o

老福 发表于 2023-2-14 22:00
刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
( [: w! x1 i" O' [
或者把b但的起点改为1试试。 ...

. z+ [( W4 C# u: ~
; `% U$ h1 @+ g* S3 d  s4 L你是对的。
去掉了随机部分
2 |* K. F; J: q3 o/ k#y = (x*27+15+random.randint(-2,3)).reshape(-1)
8 E. s3 k8 F& R" q/ T- @y = (x*27+15).reshape(-1)
- u6 A7 E( v  n2 _; z4 d; E* M! ]
0 n9 B. q2 u/ S9 m) f! \0 E循环次数加成10倍，就看到 b 收敛了
2 [9 ^. _$ ?/ |' K; h6 L: ]- Ww , b
  |8 C* Y+ ~' P! Q' _& R27.002620697021484 14.826167106628418
+ I  t4 d' H- e& H
和 b 的起始位置无关，但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ，收敛就很慢。